加快（但保持文件大小较小）将多个 PNG 转换为 PDF？

Posted 2023-02-25

【中文标题】加快（但保持文件大小较小）将多个 PNG 转换为 PDF？

【英文标题】：Speed up (yet keep file size low) conversion of multiple PNGs to PDF?

【发布时间】：2017-08-01 03:36:34

【问题描述】：

我需要清理/运行 OCR 的 9k PDF 扫描文本。每个 PDF 的页面都是保存为 .ccitt 的图像，我使用此 Poppler（对于 Windows7）命令将其提取并转换为 .png：

pdfimages.exe -png file_in.pdf output/images/path

清理.png 图像后，我使用this ImageMagick command 将它们重新组合成pdf：

magick.exe convert -compress Group4 -type bilevel -monochrome input/images/path file_out.pdf

生成的 file_out.pdf 实际上小于 file_in.pdf，但 Group4 仅压缩 18 张图像（大小从 58kb 到 140kb）最多需要 25 秒。 以这种方式将所有图像转换为 9k+ pdf 需要 65 小时 :'(

同样的事情通过GraphicsMagick:

gm convert -compress Group4 -type bilevel -monochrome input/images/path file_out.pdf

将file_out.pdf 膨胀到大小是file_in.pdf 的 40 倍以上。

我错过了什么？我认为 GraphicsMagick 应该比 ImageMagick 更精简/更简洁。

【问题讨论】：

不幸的是，如果不安装 mingw 和 GNU Parallel，您将无法在 Windows 下简单地使用所有 CPU 内核，因此一般来说，除了其中一个之外，其他所有内核都会闲置。考虑将您的 PDF 列表拆分为 4 个相等的子列表，并一次运行 4 个命令提示符，每个命令提示符处理一个列表。

【参考方案1】：

ImageMagick 不是用于 PDF 等矢量图像的良好处理器。它将光栅化您的 PDF 并将每个点保存为 pdf 的一个元素。这可能是它需要这么长时间的原因。 PDF 现在是矢量外壳中的光栅图像（比原始矢量图像大得多）。

如果您输入的 PDF 已经是黑白的，那么您只需要压缩组 4。

从 25 KB PDF 开始

如果我只是转换它。

time magick ImageOnly.pdf result1.pdf

real    0m0.276s
user    0m0.563s
sys 0m0.038s

time magick ImageOnly.pdf -compress Group4 result2.pdf

real    0m0.275s
user    0m0.562s
sys 0m0.036s

所以不是第 4 组压缩导致它下降。

但是，质量不会很好。因此，在阅读 PDF 之前应该添加 -density 300 。但这会减慢速度。

time magick -density 300 ImageOnly.pdf -compress Group4 result3.pdf

real    0m2.026s
user    0m2.863s
sys 0m0.182s

【讨论】：

这很好地加快了速度。它肯定仍然很慢......但删除无关的convert 语句有很大帮助。感恩！